Storage Training

Storage Training
Kontakt | Standorte

 Sie sind hier: Home >> Workshops >> DevOps >> PL106 Python-Programmierung Advanced (Unix/Linux)

Finden:
Workshops 
  Noon2noon 
  Acronis 
  Automic (UC4) 
  AWS 
  Backup & Recovery 
  Brocade 
  Cloud 
  Commvault 
  Datenbanken 
  DevOps 
  Fujitsu 
  Governance, Risk & Compliance  
  Hochverfügbarkeit 
  Industrie 4.0 
  Künstliche Intelligenz 
  Linux/Unix 
  Microsoft 
  NetApp 
  NetApp für Partner 
  Netzwerke 
  SAP 
  Security & Datenschutz 
  Softwareentwicklung 
  Storage Solutions 
  Veeam 
  Virtualisierung 
  Web-Seminare 
  Zertifizierungen 

Training: Programmiersprachen - Linux/Unix

PL106 Python-Programmierung Advanced (Unix/Linux)

 

Kursbeschreibung (description):
Mit Python ist es möglich, auch komplexere Programme übersichtlich und effizient zu verwirklichen. Dieser Kurs für Fortgeschrittene vermittelt das nötige Hintergrundwissen und die dazugehörige Programmierpraxis.
Zielgruppe (target group):
  • System-Administratoren
  • Datenbank-Administratoren
  • Applikations-Administratoren
  • Netzwerk-Administratoren

Voraussetzungen (requirements):
Kenntnisse auf Administrationsebene von Unix/Linux-Systemen
Python-Kenntnisse vergleichbar dem Basis-Kurs PL105 Python-Programmierung Basics (Unix/Linux)
Ziele (objectives):
Sie lernen, fortgeschrittene Programmiertechniken von Python zu verstehen, einzusetzen und zu optimieren:
  • Funktionen,
  • hierarchische Klassen,
  • Performance-Tuning,
  • Debugging
Zahlreiche Beispiele überführen das Verständnis in praxisnahe Codes. Der Kurs basiert auf Python 3.x.
Preis und Dauer (price and duration):
Dauer (duration): 5 Tage
Preis (price): 2790,- Euro zzgl. MwSt.

Eine Druckansicht dieses Workshops finden Sie hier.
Termine (dates):
Dieser Workshop findet an folgenden Terminen statt:


Ort KursformatBeginnEndePlätze
Nürnberg 
Südwestpark 65
90449 Nürnberg
Karte
Hybrid Training15.09.2025 | 10:0019.09.2025 | 13:30
 
Jetzt anmelden

Inhalte (agenda):
    • Python-Interna
      • Mutable vs. Immutable und damit verbundene Irrtümer
      • Magic Methods und ihre Zuordnung zu Operatoren und Funktionen
    • Performance-Optimierung
      • Generatoren und Iteratoren statt vollständiger Objekt-Listen
      • Messung von Ausführungszeit, Memory- und CPU-Last
      • Paralleles Processing und Multithreading
      • Effiziente im Unterschied zu belastenden Code-Beispielen
    • Knapper Code
      • Comprehensions für Listen, Dictionaries, Generatoren und Sets
      • Lambda-Funktionen, z.B. bei fortgeschrittenem Sortieren
      • Collections statt der Basis-Datentypen
      • Modularisierung über eigene Module und Pakete
    • Fortgeschrittene Erstellung eigener Funktionen
      • Funktionen mit Default-Parametern und flexibler Parameter-Liste
      • Annotations in Funktions-Parametern
      • Geltungsbereich von Objekten innerhalb und außerhalb einer Funktion
      • Funktions-Dekoratoren
      • "yield" statt "return"
    • Objektorientierung
      • Klassen, Instanzen, Metaklassen und Vererbung
      • Attribute und Methoden zu Klassen
      • Setter, Getter und Property-Attribute
      • Erstellung eigener Klassen
    • Diverses
      • Advanced Regular Expressions: Look-Arounds, greedy vs. non-greedy, compile
      • Eigene Exceptions definieren und auslösen
      • Neue Features ab Python 3.6
    • Debugging